基于均方群体度量的鲁棒二阶激光雷达束调整算法
计算机视觉与模式识别
2024-09-24 v2
摘要
束调整（BA）算法是同时定位与制图（SLAM）系统后端中广泛使用的非线性优化技术。通过利用来自多个视角的特征点的共视关系，BA方法构建了用于姿态和特征点的联合估计模型，从而使系统能够生成精炼地图并减少前端定位误差。然而，在应用BA处理激光雷达数据时面临独特挑战，因为3D点的数量庞大。探索鲁棒的激光雷达BA估计器并实现精确求解是一个非常重要的问题。本文首先提出一种新颖的均方群体度量（MSGM）用于构建激光雷达BA算法的优化目标。该度量将一种采样周期中平面特征点的测量应用于均方转换，以保证尺度可解释性，且无需耗时的逐点计算。其次，通过整合鲁棒核函数，BA算法中涉及的度量被重新加权，从而增强了求解过程的鲁棒性。第三ly，基于所提出的鲁棒激光雷达BA模型，我们推导出显式二阶估计器（RSO-BA）。该估计器采用解析公式计算Hessian和梯度，确保BA求解的精度。最后，我们使用公开数据集将所提出的RSO-BA估计器与现有的隐式二阶和显式近似二阶估计器进行比较。实验结果表明，RSO-BA估计器在注册精度和鲁棒性方面优于其它估计器，尤其在大规模或复杂非结构化环境中表现更佳。
引用
@article{arxiv.2409.01856,
title = {Robust Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric},
author = {Tingchen Ma and Yongsheng Ou and Sheng Xu},
journal= {arXiv preprint arXiv:2409.01856},
year = {2024}
}